成品汽油调和作为各种汽油产品不可或缺的生产过程,在石油炼化生产中起着举足轻重的作用,而油品质量则对企业的经济效益具有重要影响。在成品汽油的生产过程中,建立行之有效的配方模型,以严格控制组分油的添加,是确保成品油质量和企业效益提升的基础。因此,本文受成品汽油调和过程中提升一次调和成功率和卡边生产需求的驱动,围绕调和配方的建模问题开展了较为系统的研究,主要工作如下:1)为解决油品生产中质量过剩和一次调和成功率欠高的问题,通过对工艺机理和生产数据的深入分析,提出了保守与卡边优化混合的建模方案。该方案分别利用历史生产过程数据建立卡边和保守配方模型,再根据加权融合策略建立混合配方模型。保守配方模型的建立旨在确保油品的正常生产,而卡边配方模型的建立旨在趋使油品的卡边生产,鉴于模型可能因生产过程的不确定性致使质量不达标,对二者进行优化融合,以期在提高一次调和成功率的同时,尽可能逼近油品的卡边生产。2)为解决配方建模中数据的完备性问题,首先针对BP算法在辛烷值和抗爆值预测过程中存在的精度低、易陷入局部最小值问题,结合PSO和GA的优点,提出了一种串行混合粒子群遗传算法,并用于BP神经网络权值和阈值的优化,提高了辛烷值和抗爆值预测模型的精度。其次,为了对缺失配方数据进行填充,提出了基于集成决策树的配方数据填充方法,先将原始数据集划分为多个样本集,再利用决策树算法建立多个子模型,最后基于bagging策略对多个子模型进行集成,提升了模型精度。3)为提高保守配方模型精度,考虑深度置信网络（DBN）在特征提取和非线性处理方面的优势,首先提出了一种基于PSO-DBN的保守配方建模方法,将其应用于成品汽油调和配方的预测建模,并针对深度网络训练过程中存在的参数选取困难问题,利用粒子群算法（PSO）对相关参数进行优选。其次,考虑到极限学习机良好的拟合能力以及快速性,在上述模型基础上,将其对DBN网络进行改进,构建了DBN-ELM预测模型,实现了对成品汽油调和保守配方的预测建模,仿真结果表明,算法在训练时间以及精度上都有较大提升。4)针对卡边数据的小样本特性,利用LSSVM进行卡边配方的建立,并针对RBF核函数的?和?选取问题,采用PSO算法对其进行参数优选,使模型性能有了较大提升。在此基础上,采用加权融合策略对卡边和保守配方模型的结果进行集成与在线优化,结果表明,混合配方模型对于高效能生产具有更优的性能。5)为使配方模型应用于工程,结合实际工程需求,依据前述混合建模方案,借助于My SQL、Matlab及Labview等技术及软件平台,进行了系统数据库的设计,基于matlab实现了各建模方法,并最终开发了具有系统登陆、辛烷值、抗爆指数预测、保守配方预测、卡边配方预测、混合配方模型、在线优化、数据查看、数据录入以及报警与事件记录等功能模块的配方智能管理系统。